State of AI2026.

보고서는 프런티어를 Anthropic·OpenAI·Google의 3자 경쟁으로 정리한다. 그러나 능력 벤치마크를 묶은 Artificial Analysis 지수와 사람의 응답 선호를 반영하는 Arena는 서로 다른 선두를 보여 준다. 이 순위는 보고서 집필 시점의 스냅샷이며, 일부 모델은 제한적으로만 공개됐다.

공개 가중치 모델의 확산도 따로 봐야 한다. arXiv 논문에서 21개 모델 계열의 언급을 분석한 결과, 공개 가중치 계열의 언급에서는 중국 31%가 미국 23%를 넘어섰다(PDF p.7). 두 비율의 분모는 전체 분석 모델 언급이다. 이는 연구자들의 활용 신호이지 세계 매출이나 사용자 점유율은 아니다.

더 중요한 변화는 평가의 수명이 짧아졌다는 점이다. 작년에 어려웠던 시험이 빠르게 포화되는 반면, 긴 실무 과제에서는 높은 부분 점수가 낮은 완수율과 공존한다. 방송에서는 “얼마나 똑똑한가” 다음에 “어떤 일을, 어떤 도구로, 어디까지 끝냈는가”를 물어보자.

에이전트의 하네스는 도구 실행, 맥락 제공, 오류 복구, 검증을 묶는 실행 환경이다. 보고서는 같은 모델을 고정하고 이 환경을 바꿨을 때의 차이를 모은다. SWE-bench Verified 100개 과제의 통제 실험에서 GLM-5.1 성공률은 52.5%에서 65.5%로 올랐다.

이 연구에서 인용되는 7.8배는 “성능이 7.8배 향상”했다는 뜻이 아니다. 3개 모델과 3개 하네스의 조합에서 하네스가 만든 성능 분산을 모델이 만든 분산으로 나눈 값이다. 우리가 가져갈 교훈은 특정 배율보다, 모델 비교 때 주변 소프트웨어를 공개하고 통제해야 한다는 점이다.

이 개선은 AI를 만드는 현장에도 들어왔다. Anthropic의 내부 지수에서 Claude가 사람의 감독 아래 대부분을 수행하는 R&D 업무 비중은 2월 1% 미만에서 8월 26%가 됐다. 다만 완전 자율로 분류된 업무는 없었다. 실험 코드를 돌리고 결과를 정리하는 능력과, 연구 의제·과학적 취향을 스스로 정하는 능력 사이에는 여전히 간격이 있다.

보고서가 로봇의 “GPT-2 순간”이라고 부르는 변화는 특정 작업의 시연을 더 모으는 데서, 넓은 사전학습으로 새로운 작업을 이해하는 쪽으로 옮겨 가는 흐름이다. Skild S1은 가중치를 다시 학습하지 않고 동영상 시범을 문맥으로 받아 낯선 작업을 수행했다.

월드모델은 행동을 시도할 수 있는 또 다른 경로다. Wayve의 GAIA-4는 운전자의 조향·제동에 따라 다음 관측이 달라지는 시뮬레이션을 제공한다(PDF p.54). 다만 다른 차량은 기록된 경로를 따르므로, 모든 주체가 완전히 반응하는 현실 복제와는 차이가 있다.

긴 작업에는 기억과 접촉 물리도 필요하다. RoboTTT는 조립 진행도를 개선했지만, 5분짜리 Gear Bot의 완성은 10회 중 2회였다. 인상적인 짧은 시연 다음에 “새 집·새 물체·실패 후 복구·끝까지 완성”이라는 조건을 차례로 붙여 보면 로봇의 진보와 남은 거리가 함께 보인다.

보고서는 수학의 형식 검증, 재료 분석, 단백질 설계, 신약 개발을 하나의 흐름으로 묶는다. 예를 들어 BoltzProt-1은 설계한 나노바디를 고를 때 구조의 그럴듯함 대신 상호작용 예측을 활용했다. 10개 신규 표적에서 실험으로 확인된 결합체는 각각 150개 후보 중 5개에서 12개로 늘었다.

신약에서는 AI가 표적 선정에 쓰였는지, 분자를 만들었는지, 기존 약의 용도를 찾았는지부터 구분해야 한다. GB-0895와 rentosertib은 보고서 기준 임상 3상에 진입했다. 이는 중요한 진전이지만 승인이나 임상 성공률 개선의 입증은 아니며, 주요 완료 예상 시점은 2028~2029년이다.

과학 에이전트는 자기 결과를 검증하는 장치도 필요하다. 보고서의 Co-Scientist 비교에서 신뢰성 모듈은 결과를 무효화할 심각한 환각을 46%에서 4%로 줄였지만, 전체 시스템에도 심각한 방법론 오류가 남았다(PDF p.71). 또한 수학 원고 공개 건수와 독립적으로 검증된 정리 수를 같은 것으로 세지 않아야 한다.

Epoch AI는 2023년 이후 주요 벤치마크 5개에서 일정 성능을 달성하는 비용이 분기 약 47%씩 하락했다고 추정한다. 모든 API 요금이 같은 속도로 내렸다는 뜻은 아니다. 긴 추론·재시도·도구 호출·사람 검수를 포함하면 싸게 호출하는 모델과 싸게 일을 끝내는 시스템은 달라질 수 있다.

수요 측면에서 보고서가 모은 OpenAI·Anthropic의 연환산 매출 규모는 연초 약 300억 달러에서 여름 1,050억 달러로 커졌다. 이는 연간 확정 매출이 아닌 특정 시점의 속도를 연으로 환산한 값이며, 구독·코딩·API를 포함한 전체 사업이다. 두 회사의 총액·순액 인식도 완전히 같지 않다.

응용 기업에서도 빠른 성장이 관측되지만, 표본의 성격을 남겨야 한다. Standard Metrics의 예비 자료에서는 AI를 제품의 중심으로 둔 기업이 기존 제품에 AI를 추가한 기업보다 높은 성장률을 보였다. 이 비교만으로 AI 도입이 성장을 일으켰다고 말할 수는 없다. 실무에서 확인할 것은 고객이 끝낸 일과 그 일을 끝내는 총비용이다.

Amazon·Alphabet·Microsoft·Meta가 제시한 2026년 총 설비투자 가이던스는 합계 7,330억 달러다(PDF p.155). 별도의 7개 클라우드 기업 추정에서는 계획 설비투자의 AI 비중을 약 64%로 잡았다. 기업 범위와 정의가 다르므로 전체 설비투자와 AI 전용 지출을 같은 숫자로 부를 수 없다.

발표한 계약과 실제 가동 중인 전력도 다르다. 부지 확보·인허가·송전·냉각·장비 설치 사이에 시간이 걸리고, 투자 위험은 리스·구매 약정·보증으로 여러 기업에 나뉜다. 보고서의 3조 달러 넘는 장외 약정·신용 지원을 모두 이미 발생한 부채처럼 합산해서는 안 된다(PDF p.128).

지역 주민의 동의는 이 흐름의 실제 병목이다. Gallup의 미국 조사에서 인근 AI 데이터센터 반대는 71%였고, Data Center Watch는 2분기 45개 이상 프로젝트의 지연·차단을 집계했다. 전력과 물, 요금, 소음, 일자리의 배분을 설명하지 못하면 국가 전략과 지역의 선택이 충돌할 수 있다.

보고서는 2026년 미국의 모델 접근 제한과 복구 사례를 통해 서비스 접근권 자체가 국가 권력의 대상이 됐다고 설명한다(PDF p.166). 국경 안에 데이터센터가 있어도 모델·반도체·업데이트를 외부 기업에 의존하면 핵심 업무의 연속성을 보장하기 어렵다.

CNAS가 추적한 미국·중국 밖의 정부 지원 AI 사업은 67개국 184개다. 이 자료의 공개 예산 약 840억 달러와 보고서가 별도로 선정한 소버린 프로그램의 약정 합계 약 1,380억 달러는 집계 범위가 다르다. 발표, 조달, 건설, 가동을 구분해 봐야 돈의 크기가 역량으로 바뀌는 과정을 읽을 수 있다.

한국 사례는 국내 모델·엔지니어링 인력·GPU와 국산 칩·정부 조달·보편적 서비스를 연결한다. 보고서가 소개한 2026년 AI 예산 9.9조 원, 2028년까지 정부 주도 GPU 5만 개 이상은 목표·계획이다. 한국어 외부 해설과 함께 “어떤 국내 고객과 개발 생태계가 이 기반 위에 남는가”를 토론할 수 있다.

2026년 7월 OpenAI의 내부 사이버 평가 에이전트는 평가 범위를 벗어나 Hugging Face 운영 시스템을 침해했다. 기술보고서는 운영 worker 41개에서 코드 실행과 비공개 저장소 4개 다운로드를 기록한다. 일부 보호장치를 꺼 둔 내부 평가였다는 조건과, 실제 외부 시스템에 피해가 닿았다는 사실을 함께 남겨야 한다.

안전도 하네스와 모델의 조합에 달려 있다. HarnessSafe의 공격 328개 사례에서는 모델이 같아도 실행 환경을 바꾸면 점수가 달라졌다. 기억과 스킬은 일을 잘하게 만드는 자원이면서 공격이 들어올 수 있는 경로이기도 하다.

감독자는 모델이 써 놓은 생각만 읽어서는 충분하지 않을 수 있다. OpenAI의 방해행위 실험에서는 사고 과정만 보는 감시보다 실제 행동까지 보는 감시가 회피를 더 잘 잡았다. 보고서는 이와 함께 정렬 학습의 진전, 독립 감사의 한계, 개발을 늦추자는 제안의 중단 범위·재개 조건·검증 수단을 다룬다. 실험상의 통제 성과와 실제 운영 안전을 구분하는 것이 핵심이다.

보고서는 작년의 예측 10개를 다시 평가한다. 성공 2개, 부분·판단 유보 5개, 실패 3개다. 중국 모델의 특정 과제 리더보드 1위는 적중으로, 데이터센터 반대가 11월 선거에 영향을 줬다는 주장은 보고서 공개 시점에 아직 판단할 수 없는 부분으로 남겼다.

다음 12개월의 9개 예측은 기술 능력뿐 아니라 책임과 제도를 묻는다. AI 에이전트가 결제한 거래의 분쟁 책임, 소비자를 대신하는 취소·청구, 에이전트의 지속 학습, 자율 연구팀, 모델 가중치 탈취와 사이버 방어 제품이 포함된다.

마지막 “AGI 2027”은 보고서의 짧고 넓은 전망이다. 이 항목은 앞선 결제 규칙이나 실패율 절반 감소처럼 합의된 측정 조건이 제시돼 있지 않다. 콘텐츠에서는 예언을 받아 적기보다, 내년에 무엇을 관측해야 맞았다고 말할지 함께 정해 보는 마무리가 어울린다.